我不想要a，b是随机的，我希望它们是特定的，因此用户将输入2个样本，因此它可以根据它计算（方差，平均值，大小） 我这样试过：
size = input('Size of sample: ')
N = size
source2 = input('Mean: ')
source3 = input('Distribution: ')
a = source2
print("a:",a)
Gauss-eloszlásúadat，átlag=0ésvariancia= 1
b = source3
print("b:",b)
导入包
import numpy as np
from scipy import stats
定义2个随机分布 样本量
N = 10
高斯分布式数据，均值= 2且var = 1
a = np.random.randn(N) + 2
高斯分布式数据，其中均值= 0且var = 1
b = np.random.randn(N)
计算标准差 计算方差以获得标准差
对于无偏最大似然估计，我们必须将var除以N-1，因此参数ddof = 1
var_a = a.var(ddof=1)
var_b = b.var(ddof=1)
std偏差
s = np.sqrt((var_a + var_b)/2)
s
计算t统计量
t = (a.mean() - b.mean())/(s*np.sqrt(2/N))
与临界t值比较 自由度
df = 2*N - 2
与t
比较后的p值p = 1 - stats.t.cdf(t,df=df)
print("t = " + str(t))
print("p = " + str(2*p))
请注意，我们将p值乘以2，因为它是一个twp尾t检验 你可以看到，在将t统计量与临界t值（内部计算）进行比较后，我们得到了0.0005的良好p值，因此我们拒绝零假设，因此证明了两个分布的均值是不同的且具有统计显着性。
使用内部scipy函数进行交叉检查
t2, p2 = stats.ttest_ind(a,b)
print("t = " + str(t2))
print("p = " + str(2*p2))